一种图片搜索方法、设备及计算机可读存储介质与流程
本发明涉及图片处理,尤其涉及一种图片搜索方法、设备及计算机可读存储介质。
背景技术:
1、现有技术中,随着手机等设备的拍照质量及显示屏效果的不断提高,用户在设备端上所存放的照片或其它图片也越来越多。当用户需要去搜索某些图片的时候,就显得非常困难。普通的相册功能只支持按照时间轴查看,或者由用户自行新建相册进行图片分类,再或者,由用户自行给一些图片取名字、添标签,以方便后续的搜索。不难看出,上述方案存在的几处问题:一是,用户面对数量巨大的图片库,搜索效率低、体验差;二是,用户在需要用到某些图片时,无法实施快速搜索,达成搜索目标;三是,无论是新建相册分类,还是给图片取名字贴标签,对用户来说都变成了负担。
2、因此,如何高效、便捷地为用户带来更佳的图片搜索体验,降低记忆难度,简化操作要求,提升搜索精度,成为目前亟待解决的技术问题。
技术实现思路
1、为了克服现有技术中的不足,本发明的目的在于提供一种,以解决目前图片搜索给用户带来较大的记忆难度、较高的操作要求以及搜索精度较低的技术问题。
2、本发明提出了一种图片搜索方法,应用于服务端,该方法包括:
3、接收设备端发送的特征向量,其中,特征向量由设备端在产生新的图片时生成;
4、在预设的全局特征库中检索与特征向量匹配的文字标签;
5、若检索到文字标签,则将文字标签发送至设备端,以供设备端绑定存储新的图片与文字标签,用于后续的图片搜索;
6、若未检索到文字标签,则接收设备端返回的临时标签,并将符合条件的临时标签和对应的特征向量补充至全局特征库,其中,临时标签由设备端对新的图片执行本地识别得到。
7、可选地,接收设备端发送的特征向量之前,包括:
8、采用预设的深度卷积神经网络和预设的视觉深度模型,对预设的开源图片库的图片进行特征提取,生成高维特征向量;
9、通过预设的目标检测算法识别开源图片库的图片中的物体,生成语义标签。
10、可选地,接收设备端发送的特征向量之前,还包括:
11、建立高维特征向量与语义标签之间的映射关系;
12、将映射关系存入全局特征库。
13、可选地,在预设的全局特征库中检索与特征向量匹配的文字标签,具体包括:
14、采用预设的余弦相似度算法计算特征向量与全局特征库中的高维特征向量的相似度;
15、若相似度超过预设的第一阈值,则确定检索到文字标签,若相似度未超过第一阈值,则确定未检索到文字标签。
16、可选地,接收设备端返回的临时标签,并将符合条件的临时标签和对应的特征向量补充至全局特征库,具体包括:
17、接收设备端返回的临时标签以及与临时标签对应的特征向量;
18、对临时标签以及与临时标签对应的特征向量进行预设的聚合审核,若审核通过,则将临时标签作为文字标签,与对应的特征向量建立新的映射关系,并将新的映射关系补充至全局特征库。
19、可选地,由设备端对新的图片执行本地识别之前,包括:
20、将深度卷积神经网络和视觉深度模型压缩为轻量级模型;
21、将轻量级模型推送至设备端,以使设备端根据轻量级模型对新的图片执行本地识别。
22、可选地,对临时标签以及与临时标签对应的特征向量进行预设的聚合审核,具体包括:
23、在预设的开源图片库中检索与临时标签对应的参考图片;
24、计算参考图片的参考标签,并根据参考标签计算临时标签的可信度。
25、可选地,对临时标签以及与临时标签对应的特征向量进行预设的聚合审核,进一步包括:
26、若可信度超过预设的第二阈值,则确定临时标签通过聚合审核;
27、若可信度未超过第二阈值,则确定临时标签未通过聚合审核。
28、本发明还提出了一种图片搜索设备,该设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的图片搜索方法的步骤。
29、本发明还提出了一种计算机可读存储介质,该计算机可读存储介质上存储有图片搜索程序,应用图片搜索程序被处理器执行时实现如上述任一项所述的图片搜索方法的步骤。
30、实施本发明的图片搜索方法、设备及计算机可读存储介质,通过接收设备端发送的特征向量,其中,特征向量由设备端在产生新的图片时生成;在预设的全局特征库中检索与特征向量匹配的文字标签;若检索到文字标签,则将文字标签发送至设备端,以供设备端绑定存储新的图片与文字标签,用于后续的图片搜索;若未检索到文字标签,则接收设备端返回的临时标签,并将符合条件的临时标签和对应的特征向量补充至全局特征库,其中,临时标签由设备端对新的图片执行本地识别得到。从而实现了一种高效且便捷的图片搜索方案,为用户降低了记忆难度,简化了操作要求,提升了搜索精度,增强了图片搜索体验。
1.一种图片搜索方法,应用于服务端,其特征在于,所述方法包括:
2.根据权利要求1所述的图片搜索方法,其特征在于,所述接收设备端发送的特征向量之前,包括:
3.根据权利要求2所述的图片搜索方法,其特征在于,所述接收设备端发送的特征向量之前,还包括:
4.根据权利要求1所述的图片搜索方法,其特征在于,所述在预设的全局特征库中检索与所述特征向量匹配的文字标签,具体包括:
5.根据权利要求1所述的图片搜索方法,其特征在于,所述接收所述设备端返回的临时标签,并将符合条件的所述临时标签和对应的特征向量补充至所述全局特征库,具体包括:
6.根据权利要求2所述的图片搜索方法,其特征在于,所述由所述设备端对所述新的图片执行本地识别之前,包括:
7.根据权利要求5所述的图片搜索方法,其特征在于,所述对所述临时标签以及与所述临时标签对应的特征向量进行预设的聚合审核,具体包括:
8.根据权利要求7所述的图片搜索方法,其特征在于,所述对所述临时标签以及与所述临时标签对应的特征向量进行预设的聚合审核,进一步包括:
9.一种图片搜索设备,其特征在于,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的图片搜索方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有应用图片搜索程序,所述图片搜索程序被处理器执行时实现如权利要求1至8中任一项所述的图片搜索方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com